一个新的3D范式,用于增强现实SSVEP的目标扩展

科学领域:

• 神经科学是一个神经科学.
• 人与计算机的交互
• 生物医学工程 生物医学工程

背景情况:

• 稳态视觉唤起潜能 (SSVEP) 对于大脑计算机接口 (BCI) 来说很实用,尤其是增强现实 (AR).
• 基于AR的SSVEP (AR-SSVEP) 面临环境干扰和设备不稳定的挑战,在更高的目标频率下性能下降.
• 传统方法通过增加频率来增加目标,从而限制性能.

研究的目的:

• 为AR-SSVEP引入和评估一种新的3D范式,该范式可以在不增加频率的情况下扩展目标集.
• 为了研究将闪频率与旋转模式作为刺激的有效性.
• 将3D模式的性能与传统的2D方法进行比较.

主要方法:

• 开发了一个3D视觉刺激范式,结合了闪频率和旋转模式.
• 研究的SSVEP和旋转引起的生物标记物.
• 使用EEG数据进行了3D范式和传统的2D范式之间的实验比较.

主要成果:

• 12类3D范式实现了76.5%的准确性和70.42比特/分钟的信息传输速率 (ITR),使用1秒的EEG段.
• 2D模式实现了较低的性能:72.07%的准确性和62.28位/分钟ITR.
• 3D模式表现出卓越的性能,特别是在较短的EEG段.

结论:

• 拟议的3D范式通过扩大目标识别能力,显著提高AR-SSVEP性能.
• 这种方法为基于SSVEP的BCI在AR环境中提供了更实用和更有效的解决方案.
• 3D范式有效地克服了传统方法的局限性,特别是在动态的现实环境中.